Журнал нано- та електронної фізики (Journal of nano- and electronic physics)
Permanent URI for this collectionhttps://devessuir.sumdu.edu.ua/handle/123456789/197
Browse
10 results
Search Results
Item Optimization of Defect Detection in Atomic Materials Using Graphene Layer(Sumy State University, 2025) Bhangale, S.C.; Dhamande, L.S.; Tingare, B.A.; Diwan, T.D.; Kapgate, R.A.; William, P.; Patare, P.M.Властивості графену та інших атомних матеріалів у поєднанні з методами комп'ютерного зору дозволяють радикально покращити чутливість дефектоскопії. Процес збору даних, отриманий за допомогою цих методів, включав зображення високої роздільної здатності, які застосовувалися для захоплення дрібних деталей поверхні атомних матеріалів. Фотографії піддаються сучасним методам вилучення ознак, щоб виділити та покращити деталі основних структурних компонентів після проходження суворих етапів попередньої обробки даних, таких як зменшення шуму та стандартизація зображення. Унікальна модель Effective Chicken Swarm Guided Recursive NeuroNet (ECS-RNN) спрямована на класифікацію та виявлення дефектів за допомогою застосування інтелектуальних роїв та глибокого навчання. Навчання проводилося на основі показників продуктивності, досягнутих у цьому дослідженні, що вказує на її здатність створювати дуже точні та надійні прогнози з показником F1 97,3 %, точністю 98,5 % та прецизійністю 96,8 %. Ці результати свідчать про прогрес у виявленні дефектів за допомогою запропонованої методики та демонструють застосовність методів машинного навчання у вирішенні дуже складних задач. Модель ECSRNN демонструє суттєві покращення в обчисленнях нейронних мереж, демонструє свою здатність отримувати відповідні архітектури з мінімальною ерозією, що є перевагою в сценаріях, де отримання важливої інформації має першорядне значенняItem Approach for Predicting Filtration Efficiency in Nanocomposite Membranes Using 2D Materials(Sumy State University, 2025) Deshmukh, Sh.R.; William, P.; Dabhade, V.D.; Dhamande, L.S.; Patare, P.M.; Yogeesh, N.; Kapgate, R.A.Потенційні технології очищення та розділення води включають використання нанокомпозитні фільтраційних мембран. Складні взаємозв'язки між численними компонентами ускладнюють точну оцінку коефіцієнта відторгнення та фільтраційного потоку. Щоб вирішити цю проблему та покращити ефективність фільтрації в нанокомпозитних мембранах, це дослідження представляє новий метод адаптивного випадкового лісу, наповненого Golden Jackal (AGJ-RF), для прогнозування ефективності фільтрації в нанокомпозитних мембранах. Полівініліденфторид (PVDF) є традиційною мембраною, що використовується для очищення води разом з двовимірними (2D) матеріалами, такими як MXenes та оксид графену (GO). Для підтримки ефективної якості фільтрації використовується метод характеристики, відомий як тестування на проникність. Для визначення дисперсії використовується статистичний метод, відомий як дисперсійний аналіз (ANOVA). Цей аналіз використовує програмне забезпечення SPSS для оцінки продуктивності. Ефективність запропонованого методу фільтрації води проводиться за допомогою платформи Python, за допомогою якої можна оцінити гнучкість фільтрації та коефіцієнт відторгнення шляхом порівняння GO, Mxenes та традиційних мембран. Запропонований метод AGJ-RF був виконаний у різних матрицях: RMSE (2.1), MAE (1.5) та R2 (0.88). Експериментальні результати показують, що запропонована методика має більшу ефективність у прогнозуванні якості фільтрації в нанокомпозитних мембранах з використанням 2D-матеріалів.Item Intelligent Approach for Analyzing Semiconductor Band Gaps in Nanomaterial Systems(Sumy State University, 2025) Tingare, B.A.; Kapgate, R.A.; William, P.; Patil, J.M.; Diwan, T.D.; Patare, P.M.; Dhamande, L.S.Аналіз заборонених зон у напівпровідникових наноматеріалах має велике значення для застосування в електроніці. Традиційні підходи мають обмеження в роботі зі складними, нелінійними зв'язками для прогнозування заборонених зон. У роботі пропонується модель FWS-RXGBoost (Fine-Tuned White Shark Algorithm-Resilient XGBoost), яка усуває проблеми, пов'язані з оптимізацією гіперпараметрів XGBoost для більш надійних прогнозів. Використовується набір даних Kaggle про відбитки матеріалів та цільові значення забороненої зони. Для забезпечення точності моделі нормалізація ознак за Z-оцінкою на етапі попередньої обробки стандартизує ознаки, що покращує градієнтне навчання. Оптимізація, натхненна White Shark, досягає балансу між глобальним дослідженням та локальним використанням. Ця модель виявилася більш стійкою до шуму в даних. Були проведені порівняння з моделлю градієнтного бустингу та моделлю Extra Trees. Згідно з показниками RMSE (0,17), MAE (0,10) та R² (0,97), FWS-RXGBoost ефективний для моделювання складних залежностей, пов'язаних з прогнозами забороненої зони. У зв'язку з цим, ці результати показують, що FWS-RXGBoost є надійним, високоточним інструментом для прогнозування ширини заборонених зон напівпровідників і наразі готовий до застосування в будь-яких реальних умовах, де точність є критично важливою. У майбутніх дослідженнях можуть бути використані більш різноманітні набори даних та складні гібридні моделі для розширення можливостей прогнозування.Item An Innovative Classification Approach for Predicting Physical Properties in Nanoparticles(Sumy State University, 2024) Tidake, V.M.; Patare, P.M.; Khatkale, P.B.; Khatri, A.A.; Yawalkar, P.M.; Ingle, S.S.; Darwante, N.K.Наночастинки (NP) оксиду цинку (ZnO) привертають значну увагу в багатьох областях завдяки відмінним структурним і молекулярним особливостям. Прогнозування та розуміння цих властивостей має вирішальне значення для розробки ефективних застосувань у таких сферах, як каталіз, датчики та біомедичні пристрої. Нанотехнології стали ключовою сферою, особливо в матеріалознавстві, де унікальні властивості наночастинок використовуються для різних застосувань. Розуміння та прогнозування фізичних властивостей наночастинок, таких як ZnO, має вирішальне значення для оптимізації їх продуктивності. Для класифікаційного підходу ми представили новий метод, який підвищує точність і ефективність прогнозування основних фізичних властивостей ZnO NP. У цьому дослідженні ми використовуємо відповідний набір даних, що охоплює різні фізичні властивості наночастинок ZnO. Модель налаштована для досягнення оптимальної продуктивності. Запропонований підхід до класифікації демонструє кращу ефективність прогнозування порівняно з традиційними методами. Наша модель досягає високої точності та надійності в прогнозуванні різноманітних фізичних властивостей наночастинок ZnO. Запропонований підхід перевершує інші методи з точки зору точності (92,8 %), чутливості (90,8 %) і специфічності (93,9 %). Це може сприяти покращенню загальної продуктивності та функціонування існуючої моделі кращим чином.Item Optimizing Data Traffic: Effective Management of Physical Processes in Networked Information Systems(Sumy State University, 2024) Chhabra, G.S.; William, P.; Badholia, A.; Sharmila; Tidake, V.M.; Patare, P.M.; Khatkale, P.B.Затори в містах є складними для сучасного міського управління через швидке розширення Рапід-Сіті, застарілі методи контролю дорожнього руху, неналежне проектування та будівництво доріг, а також зростання кількості автомобілів. Література надає детальну архітектуру інтелектуальної транспортної системи (ITS) на основі Інтернету речей (IoT), зосереджуючись на рівнях програми, мережі та сприйняття. Прикладний рівень обробляє дані про трафік і підтримує різні ІТС. За допомогою датчиків і комунікаційних мереж рівень сприйняття збирає дані про трафік у реальному часі, а мережевий рівень забезпечує надійну та безпечну передачу даних. Розробка заглиблюється в архітектуру протоколу автомобільної мережі зв’язку з акцентом на мобільних спеціальних мережах (MANET). У контексті транспортних спеціальних мереж (VANET) він охоплює питання безпеки, транспортний рівень, фізичний і медіа-контроль (PHY/MAC) рівень і протоколи маршрутизації. У статті досліджується інтеграція мобільних моделей із інструментами мережевого моделювання, окреслюючись двома методами: Mobile Fusion Model і Mobile Embedded Model. На завершення представлено дослідження моделювання з використанням платформи Optimized Network Engineering Tool (OPNET) Modeler, це дослідження оцінює Destination Sequenced Distance Vector (DSDV) Protocol і Optimized Link State Routing (OLSR) Protocol щодо продуктивності втрати пакетів, навантаження на мережу та Мережі зв'язку від автомобіля до автомобіля (V2V).Item Novel Approach Based Minimization of Geometric Action for Predicting Rare and Extreme Events in Non-Equilibrium Systems(Sumy State University, 2024) Patare, P.M.; Khatkale, P.B.; Khatri, A.A.; Yawalkar, P.M.; Tidake, V.M.; Ingle, S.S.; Kulkarni, M.V.Виявлення та кількісна оцінка неочікуваних подій у нерівноважних системах є критично важливою роботою, яка необхідна системним менеджерам для прийняття обґрунтованих рішень, особливо при прогнозуванні рідкісних та екстремальних подій. У цій статті нейронні мережі об’єднані для підвищення прогнозної здатності теорії інформації. Дві методики теорії інформації, «Довжина інформації» (IL) і «Потік інформації» (IF)», вивчаються на предмет їх чутливості до швидких змін. Щоб змоделювати перше виникнення екстремальних і рідкісних подій, ми використовуємо неавтономну модель Крамера, щоб ввести збурення. ми представили довгострокову пам’ять Dynamic Osprey (DOLSTM) для передбачення рідкісних і екстремальних подій у нерівноважних системах. Наші результати показують, що IL працює краще, ніж IF, у точному прогнозуванні несподіваних подій у поєднанні з нейронною мережею. Це дослідження підкреслює нову інтеграцію між теорією інформації та нейронними мережами, що дає ефективну стратегію для прогнозування рідкісних та екстремальних подій у нерівноважних середовищах. Ефективна методологія ідентифікації та прогнозування поведінки динамічних систем створена шляхом поєднання діагностики довжини інформації з прогнозуванням нейронної мережі, особливо в ситуаціях, пов’язаних із рідкісними та екстремальними подіями. Цей новий метод показує, що теорія інформації та нейронні мережі можуть бути використані для забезпечення надійних прогнозів для динамічних систем, коли вони стикаються з рідкісними та екстремальними подіями.Item Clustering-Based Growth Analysis of 2D Transition Metal Thin Films on Graphene Substrates via Molecular Beam Epitaxy(Sumy State University, 2024) Khatri, A.A.; Yawalkar, P.M.; William, P.; Tidake, V.M.; Patare, P.M.; Khatkale, P.B.; Ingle, S.S.Дихалькогеніди металів – це різновид хімічної речовини, яка складається з атома металу в парі з халькогеновими елементами, такими як селен і сірка. Ці матеріали мають відмінні електричні та оптичні характеристики, що робить їх захоплюючими для різноманітних застосувань, включаючи електроніку та оптоелектроніку. Дослідження росту тонких плівок дихалькогенідів металів передбачає аналіз їх контрольованого осадження та кристалізації. Розуміння процесів росту, взаємодії підкладки та контрольних параметрів, таких як температура та концентрація прекурсора, є критично важливими для виробництва високоякісних плівок із відповідними характеристиками, закладаючи шлях для розвитку нанотехнологій та виробництва пристроїв. У цьому дослідженні ми використовували аналітичний підхід дифракції високоенергетичних електронів із підтримкою машинного навчання (ML) для дослідження розвитку двовимірних (2D тонких шарів дихалькогенідів (ReSe2) з перехідних металів на графенових підкладках за допомогою молекулярної Променева епітаксія (MBE). Незалежний аналіз компонентів (ICA) і підхід Fuzzy C-Means були реалізовані для визначення різних шаблонів і представлення розмірності вихідного набору даних, ми використовували 20 незалежних компонентів (IC) і кожне зображення RHEED. було розподілено до найближчого центроїда, що призвело до кластеризації набору даних за допомогою нечітких C-середніх.Item Enhancing Nanocomposite Filtration Membranes: Refined SVM Approach for Precise Estimation of Permeate Flux and Foulant Rejection(Sumy State University, 2024) Yawalkar, P.M.; William, P.; Tidake, V.M.; Patare, P.M.; Khatkale, P.B.; Khatri, A.A.; Ingle, S.S.Нанокомпозитні фільтраційні мембрани з’явилися як потенційні технології очищення та розділення води. Однак надійна оцінка відторгнення забруднюючих речовин і потоку пермеату залишається важкою через складну взаємодію багатьох компонентів. Традиційні методи моделювання не можуть повністю проконтрольювати складну динаміку в роботі. У цій статті запропонована стратегія удосконаленої опорної векторної машини (RSVM) для вирішення цієї проблеми та підвищення продуктивності нанокомпозитних фільтраційних мембран. Для нормалізації функцій дані попередньо обробляються за допомогою мінімально-максимальної нормалізації. Відображаються характеристики даних: рівень відторгнення забруднюючих речовин, значення потоку пермеату, характеристики мембрани та експериментальна установка. Крім того, запропонований RSVM для визначення найкращих вхідних факторів для ефективності кожної нанокомпозитної мембрани. Завдяки високій стійкості RSVM і великій здатності моделі ML до узагальнення, отримані результати продемонстрували, що ефективність прогнозування моделі RSVM (R2 = 0,995) перевершує математичну модель з точки зору ефективності прогнозування. Для проведення навчання, перевірки та тестування для цієї роботи були використані статистичні дані, включаючи 764 зразки вхідних змінних (п’ять) і вихідних змінних (дві). Підхід RSVM забезпечує надійний і ефективний спосіб прогнозування забруднення нанокомпозитної мембрани та фільтрації води шляхом прогнозування відторгнення забруднюючих речовин і флюсу пермеату.Item Nano Granular Metallic Thin Films: Unravelling Non-Linear Electrical Conduction and Resistive Switching for Neuromorphic Applications(Sumy State University, 2024) Khatkale, P.B.; Khatri, A.A.; Yawalkar, P.M.; Verma, V.; Tidake, V.M.; Patare, P.M.; Kulkarni, S.Довільно сформовані системи золотих кластерів були створені в газоподібному стані, який має сильну поведінку резистивного перемикання (RS) навколо температур навколишнього середовища, що робить їх привабливими кандидатами для створення електроніки, орієнтованої на категоризацію нейронів разом з аналізом інформації. Зібрані в кластери нанотехнологічні покриття, які повністю пов’язані, мають неправильну форму, яка включає нейроморфні кристалографічні дефекти, взаємодії та межі зерен, підкреслюючи складну взаємодію між електромагнітними та механічними елементами. У цьому аналізі ми проводимо ретельне дослідження процедури гальванопластики, яка використовується для створення плівки, з якої зібрано кластер. Це дослідження проливає світло на істотний вплив процедури електроформування на складні відносини між нанопорами та утвореннями мезомасштабного шару та основні неврологічні властивості перемикачів резистентності, які забезпечують. Отримані дані дають уявлення про методичний нагляд за операцією гальванопластики та розкривають її функцію у створенні чітких візерунків різних розмірів у плівках зібраних кластерів. Відкриття не тільки покращує наше розуміння складних взаємозв’язків між архітектурними та електричними частинами, але й надає можливості для проектування неврологічних структур, які випадковим чином будуються та налаштовуються в багатьох програмах обробки інформації.Item Size-Dependent Physical Properties of Metallic Films: Analysis of Thermal and Mechanical Characteristics in the Nanoscale Regime(Sumy State University, 2024) Thorat, S.R.; Tidake, V.M.; Patare, P.M.; Khatkale, P.B.; Khatri, A.A.; Yawalkar, P.M.; Ingle, S.S.Металеві плівки - тонкі шари металу, нанесені на поверхні, мають широкий спектр використання в багатьох секторах. Металеві плівки, як правило, виготовляються шляхом напилення або хімічного осадження з парової фази і відіграють важливу роль в електроніці, оптиці та покриттях. Їх фундаментальна провідність, відбивна здатність і здатність до адаптації є важливими для розробки інноваційних матеріалів і систем. Проведено дослідження жорсткості, оптичної відбивної здатності, температуропровідності та енергетичної рухливості металевих плівок. На вищевказані властивості впливає товщина шару, склад і процеси осадження. Розуміння складності цих фізичних особливостей має вирішальне значення для модифікації металевих плівок для конкретних застосувань, що стимулює технологічні та матеріалознавчі інновації. У цьому дослідженні були оцінені фізичні характеристики металевих плівок, товщина яких 20-200 нм. Запропоновано методи визначення температурно-залежних коефіцієнтів опору, теплопровідності, теплопровідності та теплопровідності плівок Cu, Al. Швидке нагрівання, яке спостерігається за короткий проміжок часу, дозволяє першочергово оцінити теплові характеристики металевого шару без впливу на підкладку.